压剪滑移式岩溶危岩失稳预警的声响多前兆方法及装置制造方法及图纸

本发明专利技术公开了一种压剪滑移式岩溶危岩失稳预警的声响多前兆方法及装置，以解决岩溶地区压剪滑移式危岩崩塌灾害的自动预警问题。首先，根据危岩失稳前夕的声响变化特征，制定5种危岩声响前兆特征与稳定性等级的关系规则；然后，从室内试验及现场工程实例两种途径收集危岩失稳过程中各阶段的5种声响前兆特征作为机器学习样本集；最后，利用机器学习样本集建立具有优异统计模式识别性能的高斯过程分类模型，由此建立声响前兆特征与危岩稳定性的非线性映射关系，进而实现在线监测中的危岩稳定性等级的快速评价，并通过预警装置将评价结果传输至危岩管理者的预警信息接收终端。

【技术实现步骤摘要】
压剪滑移式岩溶危岩失稳预警的声响多前兆方法及装置
本专利技术属于地质灾害防治工程
，涉及一种利用声响信号预警压剪滑移式岩溶危岩崩塌的方法及装置。
技术介绍
危岩是指被多组结构面切割分离，稳定性差，可能以倾倒、坠落、滑移等形式发生崩塌的地质体。压剪滑移式岩溶危岩，是指岩溶地区陡峻斜坡的危岩体在重力等因素作用下沿倾向坡外的软弱结构面滑出坡外，产生以竖向为主的运动，终堆积于坡脚，呈现压剪破坏机理，见附图1。危岩崩塌是岩溶地区的主要地质灾害，是一个严重的全球性地质灾害问题。我国岩溶地区分布非常广泛，全国碳酸盐类岩体分布面积约130万km2，以西南、华中、地区的石灰岩分布集中而广泛，面积约占全国分布面积的一半，并且西南地区的岩溶地区占地区幅员面积的三分之一以上。岩溶危岩具有岩体裂隙丰富、受水体影响较大以及稳定性差等特点，相较于普通危岩更容易失稳崩塌。近年来，针对压剪滑移式岩溶危岩，国内外研究学者从力学分析、数值计算、物理试验等不同角度研究失稳崩塌的发生机制，但是，由于压剪滑移式岩溶危岩稳定性影响因素与压剪滑移式岩溶危岩稳定性之间呈现高度复杂的非线性关系，采用上述角度来识别压剪滑移式岩溶危岩稳定性存在识别准确率较低、计算耗时较大、人为参与程度较高等诸多的弊端，难以达到针对压剪滑移式岩溶危岩失稳崩塌预警上的工程实际应用的目的。声响(Sound)(频率范围在20-20000Hz)是由岩体内部结构振动产生的声波，是通过介质(空气或固体、液体)传播并能被人或动物听觉器官所感知的波动现象；声响信号传播不仅能够在空气中远距离传播，而且不受岩体介质空间变异性的影响，还能直观反映在整个变形失稳破坏阶段的岩体内部损伤情况以及微观裂纹(中等尺度)的产生、扩展、贯通的演化过程，便于接收与采集，是一种潜在的可被利于压剪滑移式岩溶危岩预警的物理信号。压剪滑移式岩溶危岩是单体危岩的主要类型之一，其稳定主要受到陡崖的卸荷拉张主控结构面控制，主控结构面下端潜存于陡崖岩体内，危岩体重心位于主控结构面内侧。在重力、地震力以及裂隙水压力综合作用下其失稳主要呈现剪切破坏力学特征。失稳过程中，通过监测和辨识声响前兆特征，可以有效预警危岩失稳，从而避免灾害发生。声响采集装置仅需极少数量(根据压剪滑移式岩溶危岩大小而定)即可完成某个压剪滑移式岩溶危岩失稳崩塌预警监测，并且，其安装部位一般偏离失稳崩塌致灾区域，其使用寿命较长、且单个装置成本较低，对广泛应用于压剪滑移岩溶危岩失稳崩塌上具有良好的应用前景。机器学习是人工智能的一个新兴分支，是研究如何利用机器来模拟人类学习活动的一门学科。从已知实例中自动发现规律，建立对未知实例的预测模型，根据经验不断提高、改进预测性能，正是机器学习的实质。当前，流行的机器学习分类方法中，浅层人工神经网络存在拓扑结构不易确定、过(欠)学习风险高、超参数寻优容易陷入局部最小值的诸多不足，近年来兴起的深度学习则存在模型训练需要大样本不适用于小样本学习的瓶颈问题，小样本分类性能优异的支持向量机则存在核函数难以合理确定、分类结果不具备概率意义等局限性问题。因此，有必要继续探寻准确可靠且在经济和技术上可行的机器学习方法用于压剪滑移式岩溶危岩崩塌综合预警。高斯过程分类(GaussianProcessClassification,GPC)是近年来发展起来的一种新的机器学习技术，它具有严格的统计学理论基础，对处理高维数、小样本、非线性等复杂问题具有很好的适应性，并且，GPC具有容易实现和参数自适应化的优点，并能输出具有概率意义的预测结果。本专利技术将GPC方法引入至压剪滑移式岩溶危岩失稳崩塌预警中，提出一种压剪滑移式岩溶危岩失稳预警的声响多前兆方法及装置，通过对压剪滑移式岩溶危岩崩塌孕育过程中的声响信号进行实时监测与特征分析，实现高效精准地识别压剪滑移式岩溶危岩稳定性级别，对压剪滑移式岩溶危岩的安全防治与防灾减灾具有重要实用价值。
技术实现思路
本专利技术目的在于，针对压剪滑移式岩溶危岩失稳崩塌灾害的巨大危害性以及现有的基于力学分析、数值计算、物理试验等预警方法可靠性低的问题，采用岩体破裂声响信号监测技术手段，将高斯过程分类机器学习方法引入到了基于声响多种前兆特征压剪滑移式岩溶危岩失稳崩塌综合预警问题中，提出一种压剪滑移式岩溶危岩失稳预警的声响多前兆方法及装置，以有效实现压剪滑移式岩溶危岩失稳崩塌灾害的在线自动预警。本专利技术为实现上述目的，采用如下技术方案如下：一种压剪滑移式岩溶危岩失稳预警的声响多前兆方法，包括以下步骤：步骤1：根据压剪滑移式岩溶危岩失稳崩塌前声响信号的变化特征与规律，选定危岩失稳的多种显著前兆特征指标作为综合预警指标，包括：基音频率、谱质心、事件数、小波能谱主频带以及相对平静期5种声响信号前兆特征；并据已有共识，分别设定各前兆特征与危岩崩塌失稳可能性(可分为低、中、高、极高等四个管理等级)之间的定量化关系，定量化各种前兆特征指标与失稳可能性，进而制定各种声响前兆特征指标与压剪滑移式岩溶危岩稳定性等级的关系规则；步骤2：通过广泛收集室内小岩样试验以及压剪滑移式岩溶危岩现场工程实例数据，提取5种声响信号前兆特征以及对应的稳定性等级，建立机器学习原始样本集；根据其样本集，将某一相同稳定性等级下的多种前兆特征的数值组合起来，形成1个特征矢量，作为GPC模型的1个输入矢量，将相应的稳定性等级数值作为GPC模型的一个输出标量，1个输入矢量与1个输出标量构成1个样本对，用于训练GPC模型。类似地，将不同稳定性等级下的多种前兆特征的数值组合起来形成多个特征向量，与相应的多个稳定性等级标量，形成多个训练样本，从而构建训练样本集；步骤3：利用训练样本集训练GPC模型，由此构建多个前兆特征指标与稳定性等级的非线性映射关系；步骤4：利用训练好的GPC模型，根据实时监测的多种声响前兆特征，对压剪滑移式岩溶危岩稳定性等级进行实时预测，得到GPC模型的预测结果，即稳定性等级及预测方差；步骤5：根据稳定性等级对应的预测方差，定量化评价其预测不确定性等级；步骤6：将预警信息远程传输给危岩管理者。示例性的，本专利技术中涉及预测及识别两个关键词，需要指明的是，本专利技术提及的预测是来自于GPC模型中的概念，且不是时间尺度上的预测；识别是指本专利技术应用GPC模型执行压剪滑移式岩溶危岩体稳定性等级识别；本专利技术中所出现这两个词并不混淆冲突，可理解为预测为形式，而识别是目的。步骤1具体说明：优选的，基音频率是语音信号的一个重要参数之一，能够反应声调调型以及调值的走向。由于危岩体失稳是一个裂纹孕育、扩展、贯通以及最后整体失稳崩塌的一个阶段性过程，在不同的阶段，其对应的音频频率大小、分布均具有各自的特性，因此，可通过基音频率变化特性可以定量化描述危岩失稳演化全过程。基音频率演化规律见图2，将基音频率分为三个频带，0-1000Hz为低频带、1000-3500Hz为中频带、3500-5000Hz为高频带；a表示主频值位于中频带高水平，处于接近稳定，定义为高中频稳定；b表示主频值本文档来自技高网...

【技术保护点】
1.压剪滑移式岩溶危岩失稳预警的声响多前兆方法，其特征在于，包括以下步骤：/n步骤1：以频率为20-20000Hz人耳可识别的声响信号为监测对象，采用无线非接触方式进行压剪滑移式岩溶危岩监测；选定危岩失稳的多种显著前兆特征作为综合预警指标，包括：基音频率、谱质心、事件数、小波能谱主频带以及相对平静期5种前兆特征；分别制定5种声响前兆特征指标与压剪滑移式岩溶危岩稳定性等级评分规则，进而制定压剪滑移式岩溶危岩声响5种前兆特征与稳定性等级的综合关系规则；/n步骤2：从室内试验及现场工程实例中，收集压剪滑移式岩溶危岩失稳崩塌演化各阶段5种声响信号前兆特征作为机器学习样本集；/n步骤3：利用机器学习样本集，根据交叉验证策略，训练GPC模型，由此构建声响信号多种前兆特征指标与稳定性等级的非线性映射关系；/n步骤:4：获取需要预警压监测剪滑移式岩溶危岩危岩体的声响前兆特征，根据评分规则表获得相应的5种声响前兆特征指标的评分，由此构建5维的特征指标向量，并将其输入至训练好的GPC模型，得到新压剪滑移式岩溶危岩体的模型预测结果，即稳定性等级及预测方差；/n步骤5：根据新压剪滑移式岩溶危岩的预测方差，定量化评估GPC模型预测结果的不确定性大小。/n...

【技术特征摘要】
1.压剪滑移式岩溶危岩失稳预警的声响多前兆方法，其特征在于，包括以下步骤：
步骤1：以频率为20-20000Hz人耳可识别的声响信号为监测对象，采用无线非接触方式进行压剪滑移式岩溶危岩监测；选定危岩失稳的多种显著前兆特征作为综合预警指标，包括：基音频率、谱质心、事件数、小波能谱主频带以及相对平静期5种前兆特征；分别制定5种声响前兆特征指标与压剪滑移式岩溶危岩稳定性等级评分规则，进而制定压剪滑移式岩溶危岩声响5种前兆特征与稳定性等级的综合关系规则；
步骤2：从室内试验及现场工程实例中，收集压剪滑移式岩溶危岩失稳崩塌演化各阶段5种声响信号前兆特征作为机器学习样本集；
步骤3：利用机器学习样本集，根据交叉验证策略，训练GPC模型，由此构建声响信号多种前兆特征指标与稳定性等级的非线性映射关系；
步骤:4：获取需要预警压监测剪滑移式岩溶危岩危岩体的声响前兆特征，根据评分规则表获得相应的5种声响前兆特征指标的评分，由此构建5维的特征指标向量，并将其输入至训练好的GPC模型，得到新压剪滑移式岩溶危岩体的模型预测结果，即稳定性等级及预测方差；
步骤5：根据新压剪滑移式岩溶危岩的预测方差，定量化评估GPC模型预测结果的不确定性大小。


2.根据权利要求1所述的压剪滑移式岩溶危岩失稳预警的声响多前兆方法，其特征在于，所述声响信号前兆特征基音频率提取特征为：将声响信号波形文件进行准稳态分帧、加窗处理，得到近似稳态的、时不变的处理信号；再将其各帧进行自相关函数计算，获取基音频率特征。


3.根据权利要求1所述的压剪滑移式岩溶危岩失稳预警的声响多前兆方法，其特征在于，所述声响信号前兆特征谱质心提取特征为：将已经过分帧、加窗处理的近似稳态的、时不变的声响信号进行FFT，得到二维幅值谱图；计算二维幅值谱图的频谱质心值，即谱质心特征。


4.根据权利要求1所述的压剪滑移式岩溶危岩失稳预警的声响多前兆方法，其特征在于，所述声响信号前兆特征事件数提取特征为：根据监测对象、环境条件、载荷条件多种因素设定声响信号波形幅值阈值threshold；依据所设定阈值对已经过分帧、加窗处理的近似稳态的、时不变的声响信号进行门槛值过滤处理，得到事件数特征。


5.根据权利要求1所述的压剪滑移式岩溶危岩失稳预警的声响多前兆方法，其特征在于，所述声响信号前兆特征小波能谱主频带提取特征为：依据岩溶危岩声响信号特性，选择与其有高度适应性的Meyer小波基；对声响信号进行8层小波包分解，得到9层频段子信号；然后对小波分解系数进行重构，获取不同频段范围的重构信号Si(m)，并计算Si(m)所对应的能量Ei、重构信号的总能量E；最后得到第七频段信号的能量分布系数Ki，即小波能谱主频带特征。


6.根据权利要求1所述的压剪滑移式岩溶危岩失稳预警的声响多前兆方法，其特征在于，所述关于声响信号前兆特征机器学习样本，都进行了小波收缩WS方法的除噪处理，其方法为：选择合适的小波函数、小波基以及小波分解层数，对包含有噪声的声响信号s(n)进行离散小...

【专利技术属性】
技术研发人员：苏国韶，李培峰，许华杰，张研，罗丹旎，黄小华，蒋剑青，郑志，
申请(专利权)人：广西大学，
类型：发明
国别省市：广西;45